Учитывая настраиваемую модель IBM Visual Recognition Service, обученную с помощью набора изображений размером 100x100 каждое, может быть лучше во время процесса классификации просто отправить изображения 100x100, или размер изображения не является тем свойством, которое могло бы помочь в получении лучшие результаты классификации?
Ватсон, классифицируя изображения разных размеров
Ответы (1)
При обучении модели вы хотите, чтобы обучающие изображения «представляли» внешний вид изображений, которые вы хотите впоследствии классифицировать с помощью обученной модели.
Однако обученная модель не сильно зависит от разрешения. Внутренне служба изменяет размер изображений до стандартного размера (224x224 пикселей) перед обучением и классификацией. Мы действительно не рекомендуем манипулировать изображениями перед отправкой в систему, потому что эта деталь может измениться в будущем, но в настоящее время вы можете изменить размер изображений точно до 224x224 перед их отправкой, и вы не должны увидеть изменений в результатах.
Однако, если объекты, с которыми вы тренируетесь, занимают почти все изображение, например, но в изображениях, которые вы пытаетесь классифицировать, интересующие объекты занимают только 1/4 изображения и показывают много фона, например , что может быть сложно классифицировать.
Короче говоря, соответствие разрешения обучающих изображений вряд ли повысит точность. Но согласование масштаба интересующих объектов будет (это означает: объекты в обучающих изображениях занимают X% изображения, а те же объекты в тестовых изображениях также занимают X% изображения).